EP3040910A1

EP3040910A1 - Procédé de classification d'un document à partir de son aspect visuel

Info

Publication number: EP3040910A1
Application number: EP15200541.9A
Authority: EP
Inventors: Jérôme BERGER
Original assignee: Sagemcom Documents SAS
Current assignee: Sagemcom Documents SAS
Priority date: 2014-12-18
Filing date: 2015-12-16
Publication date: 2016-07-06
Anticipated expiration: 2035-12-16
Also published as: FR3030835A1; FR3030835B1; EP3040910B1

Abstract

L'invention concerne un procédé de classification d'un document à partir de son aspect visuel, le document étant sous la forme d'une image constituée de pixels, caractérisé en ce que le procédé comporte les étapes de : - extraction (E20) de points d'intérêt dans l'image, - description (E21) de chaque point d'intérêt extrait à l'aide d'un vecteur représentatif de la forme de l'image dans un voisinage du point d'intérêt, - détermination (E22) d'un mot visuel pour chaque point d'intérêt extrait, le mot visuel étant déterminé à partir du vecteur caractéristique de telle sorte que des vecteurs caractéristiques proches sont associés au même mot visuel, - détermination (E24) d'un ou plusieurs polynômes de hachage pour chaque point d'intérêt, chaque polynôme de hachage comportant au moins un mot visuel qui sert de point d'ancrage du polynôme de hachage et un contexte constitué d'au moins un second mot visuel représentatif d'une position dans une liste triée de mots visuels, - classification (E25) du document à partir d'un score déterminé à partir des polynômes de hachage.

Description

La présente invention concerne un procédé et un dispositif de classification d'un document à partir de son aspect visuel.
Historiquement, les méthodes de classification de documents par leur contenu reposent souvent sur des principes de sacs de mots.
Le principe du sac de mots présente l'avantage d'être conceptuellement simple et raisonnablement peu coûteux à implémenter tout en donnant des résultats exploitables.
Cependant, ce principe présente un inconvénient majeur car il ne prend pas en compte les relations spatiales entre les mots. Le principe du sac de mots ne fait pas la différence entre un ensemble de mots groupés dans un coin d'un document et les mêmes mots répartis dans le document.
Ces mots, situés dans un coin d'un document peuvent représenter un logo ou une marque alors que lorsqu'ils sont répartis dans le document, ils ne sont pas représentatifs de la marque ou du logo. Leur présence dans le document n'est que fortuite. Une classification de document basée sur ce principe est alors soumise à de multiples erreurs dans le classement de documents.
D'autres méthodes de classification de documents reposent sur une étape préalable de reconnaissance de caractères suivie de l'utilisation d'une méthode connue de reconnaissance de documents texte. Ces méthodes présentent l'inconvénient de nécessiter une étape préalable coûteuse de reconnaissance de caractères, et présentent en outre l'inconvénient de s'appliquer uniquement aux documents composés principalement de texte.
La publication de C. Siefkes, F Assis, S Chhabra et W.S Yerazunis intitulée « Combining winnow and orthogonal sparse bigrams for incremental spam filtering » publiée dans « Proceedings of ECML/PKDD, LNCS, Springer Verlag, 2004 », pages 410 à 420 propose deux méthodes de classification de documents texte. La première méthode utilise les polynômes de hachage binaires clairsemés, en anglais « Sparse Binary Polynomial Hashing », qui considèrent toutes les combinaisons de NN mots ou moins et préservant l'ordre du texte original. La seconde méthode utilise les bigrammes clairsemés orthogonaux, en anglais « Orthogonal Sparse Bigram ».
L'utilisation d'un sac de polynômes de hachage binaires clairsemés améliore la classification mais augmente sensiblement le coût de traitement.
L'utilisation d'un sac de bigrammes clairsemés orthogonaux donne des résultats comparables à la première méthode pour la classification de documents texte avec un coût bien moindre.
Les bigrammes clairsemés orthogonaux considèrent toutes les paires de mots espacés de moins d'un nombre prédéterminé de mots.
Les bigrammes clairsemés orthogonaux, comme les polynômes de hachage binaires clairsemés, ne sont utilisés que pour structurer des mots de texte seulement.
La présente invention a pour but de résoudre les inconvénients de l'art antérieur en proposant un procédé et un dispositif de classification d'un document à partir de son aspect visuel sur des documents numérisés sous la forme d'une image et qui ne nécessite pas, lorsque du texte est utilisé pour la classification du document, de reconnaissance de caractère préalablement au classement du document. En outre, la présente invention s'applique aussi bien aux documents comportant du texte qu'aux documents qui ne comportent que des images ou des photos.
A cette fin, selon un premier aspect, l'invention propose un procédé de classification d'un document à partir de son aspect visuel, le document étant sous la forme d'une image constituée de pixels, caractérisé en ce que le procédé comporte les étapes de :

extraction de points d'intérêt dans l'image,
description de chaque point d'intérêt extrait à l'aide d'un vecteur représentatif de la forme de l'image dans un voisinage du point d'intérêt,
détermination d'un mot visuel pour chaque point d'intérêt extrait, le mot visuel étant déterminé à partir du vecteur caractéristique de telle sorte que des vecteurs caractéristique proches sont associés au même mot visuel,
détermination d'un ou plusieurs polynômes de hachage pour chaque point d'intérêt, chaque polynôme de hachage comportant au moins un mot visuel qui sert de point d'ancrage du polynôme de hachage et un contexte constitué d'au moins un second mot visuel représentatif d'une position dans une liste triée de mots visuels,
classification du document à partir d'un score déterminé à partir des polynômes de hachage.

La présente invention concerne aussi un dispositif de classification d'un document à partir de son aspect visuel, le document étant sous la forme d'une image constituée de pixels, caractérisé en ce que le dispositif comporte :

des moyens d'extraction de points d'intérêt dans l'image,
des moyens de description de chaque point d'intérêt extrait à l'aide d'un vecteur représentatif de la forme de l'image dans un voisinage du point d'intérêt,
des moyens de détermination d'un mot visuel pour chaque point d'intérêt extrait, le mot visuel étant déterminé à partir du vecteur caractéristique de telle sorte que des vecteurs caractéristiques proches sont associés au même mot visuel,
des moyens de détermination d'un ou plusieurs polynômes de hachage pour chaque point d'intérêt, chaque polynôme de hachage comportant au moins un mot visuel qui sert de point d'ancrage du polynôme de hachage et un contexte constitué d'au moins un second mot visuel représentatif d'une position dans une liste triée de mots visuels,
des moyens de classification du document à partir d'un score déterminé à partir des polynômes de hachage.

Ainsi, il est possible de classer un document à partir de son aspect visuel sans qu'il soit nécessaire d'effectuer une reconnaissance de caractère préalablement au classement du document.
La présente invention permet d'utiliser des polynômes de hachage, tels que des polynômes binaires clairsemés sans qu'il ne soit nécessaire d'effectuer une reconnaissance de caractères préalablement au classement du document.
Selon un mode particulier de l'invention, un polynôme de hachage est un bigramme.
Selon un mode particulier de l'invention, le contexte comporte en outre un écartement qui précise le nombre de mots intermédiaires présents entre le point d'ancrage et le second mot visuel.
Avec de tels polynômes de hachage appelés bigrammes clairsemés orthogonaux, la complexité, en terme calculatoire, d'un classement d'un document est réduite.
Selon un mode particulier de l'invention, chaque vecteur représentatif de la forme de l'image est déterminé à partir d'un voisinage circulaire autour de chaque point d'intérêt.
Ainsi, l'utilisation d'un voisinage circulaire permet d'obtenir une meilleure anisotropie.
Selon un mode particulier de l'invention, le voisinage circulaire comporte deux cercles, le cercle ayant le plus petit rayon comportant quatre zones et l'espacement entre les cercles comportant huit zones, les douze zones ayant une surface sensiblement identique.
Ainsi, le coût calculatoire est réduit par rapport à une analyse tenant compte de tous les pixels du voisinage indépendamment sans les regrouper en zones.
Selon un mode particulier de l'invention, les coordonnées de chaque vecteur représentatif de la forme de l'image sont obtenues à partir d'un vecteur gradient du point d'intérêt et de la moyenne des vecteurs gradients dans chaque zone du voisinage circulaire du point d'intérêt.
Ainsi, la forme de l'image au voisinage du point est bien représentée.
Selon un mode particulier de l'invention, l'extraction des points d'intérêt est effectuée en calculant pour chaque pixel des dérivées secondes partielles, en calculant le déterminant de la matrice hessienne et en ce que les points d'intérêt correspondent aux maxima locaux des déterminants de la matrice hessienne.
Ainsi, le coût calculatoire est réduit.
Selon un mode particulier de l'invention, les dérivées sont calculées à partir d'images intégrales.
Ainsi, le coût calculatoire est réduit.
L'invention concerne aussi les programmes d'ordinateur stockés sur un support d'informations, lesdits programmes comportant des instructions permettant de mettre en oeuvre les procédés précédemment décrits, lorsqu'ils sont chargés et exécutés par un système informatique.
Les caractéristiques de l'invention mentionnées ci-dessus, ainsi que d'autres, apparaîtront plus clairement à la lecture de la description suivante d'un exemple de réalisation, ladite description étant faite en relation avec les dessins joints, parmi lesquels :

la Fig. 1 représente un dispositif de classification de documents selon la présente invention ;
la Fig. 2 représente un algorithme de classification de documents selon la présente invention ;
les Figs. 3 représentent un exemple de noyaux utilisés pour le calcul de dérivées partielles pour extraire les points d'intérêt d'images à traiter selon un mode particulier de réalisation de la présente invention ;
les Figs. 4 représentent un exemple de noyaux utilisés pour le calcul de dérivées partielles pour décrire les points d'intérêt de l'image à traiter selon un mode particulier de réalisation de la présente invention ;
la Fig. 5a représente un exemple de voisinage circulaire utilisé pour la description de chaque point d'intérêt ;
la fig. 5b représente une portion d'image dans le voisinage d'un point d'intérêt à laquelle le voisinage circulaire est superposé ;
la Fig. 6 est un exemple qui montre que le vecteur caractéristique est représentatif des motifs présents au voisinage du point d'intérêt ;
la Fig. 7 est un exemple d'image comprenant trois mots visuels.

La Fig. 1 représente un dispositif de classification de documents selon la présente invention.
Le dispositif de classification de documents 10 comprend :

un processeur, micro-processeur, ou microcontrôleur 100 ;
une mémoire volatile 103 ;
une mémoire non volatile 102 ;
éventuellement, un lecteur 104 de medium de stockage, tel qu'un lecteur de carte SD (Secure Digital Card en anglais ou Carte Numérique Sécurisée en français) ou un disque dur pour mémoriser les documents traités par la présente invention ;
une interface 105 avec un réseau de communication, comme par exemple un réseau local ou Internet par laquelle les documents traités par le dispositif de classification de documents 10 sont reçus et transférés à des moyens de stockage.
un bus de communication reliant le processeur 100 à la mémoire ROM 103, à la mémoire RAM 103, au lecteur de médium de stockage 104 et à l'interface 105.

Le processeur 100 est capable d'exécuter des instructions chargées dans la mémoire volatile 103 à partir de la mémoire non volatile 102, d'une mémoire externe (non représentée), d'un support de stockage, tel qu'une carte SD ou autre, ou d'un réseau de communication. Lorsque le dispositif de classification de documents 10 est mis sous tension, le processeur 100 est capable de lire de la mémoire volatile 103 des instructions et de les exécuter. Ces instructions forment un programme d'ordinateur qui cause la mise en oeuvre, par le processeur 100, de tout ou partie du procédé décrit en relation avec la Fig. 2.
Tout ou partie du procédé décrit en relation avec la Fig. 2 peut être implémenté sous forme logicielle par exécution d'un ensemble d'instructions par une machine programmable, telle qu'un DSP (Digital Signal Processor en anglais ou Unité de Traitement de Signal Numérique en français) ou un microcontrôleur ou être implémenté sous forme matérielle par une machine ou un composant dédié, tel qu'un FPGA (Field-Programmable Gate Array en anglais ou Matrice de Portes Programmable sur le Terrain en français) ou un ASIC (Application-Specific Integrated Circuit en anglais ou Circuit Intégré Spécifique à une Application en français).
La Fig. 2 représente un algorithme de classification de documents selon la présente invention.
Plus précisément, le présent algorithme est exécuté par le processeur 100 du dispositif de classification de documents 10.
A l'étape E20, le processeur 100 extrait des points d'intérêt dans le document numérisé constitué d'un ensemble de pixels à traiter.
Un point d'intérêt est une position dans l'image, représentée généralement par une paire de coordonnées telles qu'une ligne et une colonne.
Pour cela, le processeur 100 identifie les points dans l'image constituée de pixels qui sont susceptibles d'être reconnus dans d'autres documents à traiter. Par exemple et de manière non limitative, le processeur 100 utilise un opérateur de Harris et M Stephens intitulé « A combined corner and edge detector » publié dans «proceedings of the fourth Alvey vision conference », 1998 pages 147 à 152 ou un détecteur tel que décrit dans le brevet US6711293 « Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image » ou dans un détecteur de points d'intérêt tel que décrit dans la publication intitulée « Distinctive image features from scale invariant keypoints » et publiée dans la revue « Int. J. Comput. Vision t, 60, numéro 2, ISSN 0920 5691 pages 91 à 110 en novembre 2004 ou un détecteur de points d'intérêt tel que décrit dans le brevet US 8165401 intitulé « Robust interest point detector and descriptor ».
Préférentiellement, le processeur 100 utilise, pour chaque pixel les dérivées secondes partielles D_xx, D_yy , D_xy en filtrant l'image originale I avec les noyaux tels que par exemple décrits en référence à la Fig. 3.
Les Figs. 3 représentent un exemple de noyaux utilisés pour le calcul de dérivées partielles pour extraire les points d'intérêt d'une image à traiter selon un mode particulier de réalisation de la présente invention.
La Fig. 3a représente les noyaux utilisés pour calculer la dérivée seconde partielle D_xx pour le pixel au centre du noyau.
Les valeurs 1 et -2 représentent les valeurs de coefficients appliqués aux valeurs des pixels du noyau placés à la position correspondante.
Pour l'ensemble des pixels compris dans la zone notée 301, les valeurs de ces pixels sont multipliées par le coefficient 1.
Pour l'ensemble des pixels compris dans la zone notée 302, les valeurs de ces pixels sont multipliées par le coefficient 1.
Pour l'ensemble des pixels compris dans la zone notée 303, les valeurs de ces pixels sont multipliées par le coefficient -2.
La Fig. 3b représente les noyaux utilisés pour calculer la dérivée seconde partielle D_yy pour le pixel au centre du noyau.
Les valeurs 1 et -2 représentent les valeurs de coefficients appliqués aux valeurs des pixels du noyau placés à la position correspondante.
Pour l'ensemble des pixels compris dans la zone notée 311, les valeurs de ces pixels sont multipliées par le coefficient 1.
Pour l'ensemble des pixels compris dans la zone notée 312, les valeurs de ces pixels sont multipliées par le coefficient -2.
Pour l'ensemble des pixels compris dans la zone notée 313, les valeurs de ces pixels sont multipliées par le coefficient 1.
La Fig. 3c représente les noyaux utilisés pour calculer la dérivée seconde partielle D_xy pour le pixel au centre du noyau.
Les valeurs 1 et -1 représentent les valeurs de coefficients appliqués aux valeurs des pixels du noyau placés à la position correspondante.
Pour l'ensemble des pixels compris dans la zone notée 321, les valeurs de ces pixels sont multipliées par le coefficient 1.
Pour l'ensemble des pixels compris dans la zone notée 322, les valeurs de ces pixels sont multipliées par le coefficient -1.
Pour l'ensemble des pixels compris dans la zone notée 323, les valeurs de ces pixels sont multipliées par le coefficient -1.
Pour l'ensemble des pixels compris dans la zone notée 324, les valeurs de ces pixels sont multipliées par le coefficient 1.
Selon un mode particulier de réalisation, au lieu de traiter chaque pixel des zones 301, 302, 303, 311, 312, 313, 321, 322, 323 et 324, le processeur 100 calcule, préalablement à l'étape E20, une image intégrale du document entier et utilise cette image intégrale pour calculer la somme des pixels de chaque zone 301, 302, 303, 311, 312, 313, 321, 322, 323 et 324.
Ceci permet d'accélérer le calcul de la somme des valeurs des pixels dans une zone rectangulaire d'une image.
L'image intégrale d'une image est une représentation sous la forme d'une image numérique qui permet de calculer rapidement des sommes de valeurs dans des zones rectangulaires.
C'est une représentation sous la forme d'une image, de même taille que l'image d'origine, qui en chacun de ses points contient la somme des pixels situés au-dessus et à gauche de ce point. Grâce à cette représentation sous forme de table de correspondance, la somme des valeurs dans une zone rectangulaire peut être calculée en seulement 4 accès à l'image intégrale et en temps constant quelle que soit la taille de la zone.
Cette somme peut se calculer par récurrence, par: $s (x, y) = s (x, y - 1) + i (x, y)$
$ii (x, y) = ii (x - 1, y) + s (x, y)$

où i(x,y) est un pixel de coordonnées x,y de l'image I, ii(x,y) est le pixel correspondant dans l'image intégrale, s(x,y) est la somme cumulée de la ligne x jusqu'à la colonne y.
Le processeur 100 calcule ensuite, pour chaque pixel, le déterminant de la matrice hessienne H_approx selon la formule suivante :

Det(H_approx )= D_xxD_yy-(wD_xy) ² où w est une constante. Par exemple et de manière à éviter des calculs en virgule flottante, w=29/32.

Les points d'intérêt correspondent aux maxima locaux du déterminant de la matrice hessienne. Un maximum local est défini comme un point tel que le déterminant de la matrice hessienne en ce point est supérieur au déterminant de la matrice hessienne de chaque point du voisinage.
(l_m ,c_m ) sont les coordonnées d'un maximum local si det(H_approx(l_m , c_m ))>det(H_approx(l, c)) pour tout point (l,c) du voisinage tel que l_m-S≤l≤l_m +S, c_m -S≤c≤c_m +S et (l, c)≠(l_m , c_m ).
Par exemple, S=7.
Le processeur 100 ne conserve ensuite que les points d'intérêt dont le déterminant de la matrice hessienne est supérieur à un seuil prédéterminé, H_min . Par exemple H_min = H _minM ² dans lequel H _min est égal par exemple à 4 et M est la valeur maximale pouvant être prise par un pixel de l'image, par exemple, 1, 255 ou 65535.
Avantageusement, si le nombre de points d'intérêt dont le déterminant de la matrice hessienne est supérieur au seuil H_min est plus grand qu'une valeur prédéterminée N, alors le processeur 100 ne conserve que les N points d'intérêts dont le déterminant de la matrice hessienne est le plus grand. Par exemple, N est compris entre 100 et 1000.
A l'étape suivante E21, le processeur 100 effectue une description des points d'intérêt. Pour cela, le processeur 100 associe un descripteur à chaque point d'intérêt. Par exemple, le descripteur est un vecteur de caractéristiques représentatives de l'aspect visuel du point. Le descripteur est appelé par la suite vecteur caractéristique.
De manière générale, un vecteur caractéristique est un ensemble de mesures effectuées au voisinage d'un point d'intérêt. Chaque point d'intérêt a un unique vecteur caractéristique, mais un même vecteur caractéristique peut décrire plusieurs points d'intérêt si les mesures de leurs voisinages sont identiques. Un vecteur caractéristique peut aussi n'être représentatif d'aucun point d'intérêt observé. Par exemple, la position d'un noeud dans la méthode de gaz neuronal adaptatif décrite ultérieurement est un vecteur caractéristique qui est initialisé à partir d'un point d'intérêt mesuré mais qui évolue. Un vecteur caractéristique est représenté par une liste de valeurs numériques comportant par exemple 24 valeurs.
Le descripteur est par exemple construit de manière à ce que des points d'aspects similaires aient des descripteurs proches, même si les conditions de luminosité, de contraste, d'orientation ou de taille changent. Par exemple et de manière non limitative, le processeur utilise pour cela la méthode telle que décrite dans le brevet US6711293 « Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image » ou dans la publication intitulée « Distinctive image features from scale invariant keypoints » et publiée dans la revue « Int. J. Comput. Vision », t. 60, numéro 2, ISSN 0920 5691, pages 91 à 110 en novembre 2004 ou dans le brevet US 8165401 intitulé « Robust interest point detector and descriptor ».
Préférentiellement, le processeur 100 calcule, pour chaque point d'intérêt, un vecteur gradient de coordonnées D_x et D_y correspondant aux dérivées partielles horizontales et verticales à partir des noyaux tels que représentés en Fig. 4.
Les Figs. 4 représentent un exemple de noyaux utilisés pour le calcul de dérivées partielles pour décrire les points d'intérêt d'une image à traiter selon un mode particulier de réalisation de la présente invention.
La Fig. 4a représente les noyaux utilisés pour calculer la dérivée partielle D_x pour le pixel au centre du noyau.
Les valeurs 1 et -1 représentent les valeurs de coefficients appliqués aux valeurs des pixels du noyau placés à la position correspondante.
Pour l'ensemble des pixels compris dans la zone notée 401, les valeurs de ces pixels sont multipliées par le coefficient 1.
Pour l'ensemble des pixels compris dans la zone notée 402, les valeurs de ces pixels sont multipliées par le coefficient -1.
La Fig. 4b représente les noyaux utilisés pour calculer la dérivée partielle D_y pour le pixel au centre du noyau.
Les valeurs 1 et -1 représentent les valeurs de coefficients appliqués aux valeurs des pixels du noyau placés à la position correspondante.
Pour l'ensemble des pixels compris dans la zone notée 411, les valeurs de ces pixels sont multipliées par le coefficient -1.
Pour l'ensemble des pixels compris dans la zone notée 412, les valeurs de ces pixels sont multipliées par le coefficient 1.
Les vecteurs gradients calculés, le processeur 100 découpe un voisinage circulaire autour de chaque point d'intérêt aligné sur le vecteur gradient du point d'intérêt.
Un exemple de voisinage circulaire est donné en Fig. 5.
La Fig. 5a représente un exemple de voisinage circulaire utilisé pour la description de chaque point d'intérêt.
La Fig. 5a représente un voisinage circulaire constitué de douze zones notées 1 à 12. Le centre du voisinage est placé sur le point d'intérêt.
Le rayon du cercle noté 51 est de quatre pixels et le rayon du cercle noté 50 est de sept pixels.
D'autres valeurs de rayons peuvent être utilisées, préférentiellement les valeurs des rayons des cercles 50 et 51 ont un rapport égal à $\sqrt{3} .$
Pour chaque zone du voisinage circulaire, le processeur 100 calcule la moyenne du vecteur gradient et projette celle-ci dans le repère local de celle-ci. $\overset{⇀}{(D_{x}^{(r)}, D_{y}^{(r)})}$
est le vecteur gradient du point d'intérêt, $\overset{⇀}{({\overline{D}}_{x}^{(ι)}, {\overline{D}}_{y}^{(ι)})}$
est la moyenne des vecteurs gradients des pixels de la zone i du voisinage circulaire du point d'intérêt, $\overset{⇀}{\tilde{D_{x}^{(ι)}}, \tilde{D_{y}^{(ι)}}}$
le vecteur projeté est défini par : $\tilde{D_{x}^{(ι)}} = \overline{D_{x}^{(ι)}} D_{x}^{(r)} + \overline{D_{y}^{(ι)}} D_{y}^{(r)}$
$\tilde{D_{y}^{(ι)}} = \overline{D_{x}^{(ι)}} D_{y}^{(r)} - \overline{D_{y}^{(ι)}} D_{x}^{(r)}$
Le processeur 100 construit ensuite un vecteur caractéristique F_r pour chaque point d'intérêt en concaténant les 12 vecteurs projetés : $F_{r} = (\tilde{D_{x}^{(0)}}, \tilde{D_{y}^{(0)}}, \tilde{D_{x}^{(1)}}, \tilde{D_{y}^{(1)}}, \dots, \tilde{D_{x}^{(11)}}, \tilde{D_{y}^{(11)}})$
Dans d'autres modes de réalisation le voisinage circulaire pourrait comprendre un nombre différent de cercles et un nombre différent de zones.
Dans un mode de réalisation, le voisinage circulaire est constitué du seul cercle 51, le cercle 51 étant divisé en quatre zones de tailles et formes identiques (ici les zones 0, 1, 2 et 3).
Dans d'autres modes de réalisation, un nombre supérieur à un de cercles centrés sur le point d'intérêt sont utilisés, les rayons de chaque cercle et le nombre de zones étant choisi de telle sorte que les zones aient toute une surface identique.
Dans un mode de réalisation, un troisième cercle comportant douze zones est ajouté aux cercles 50 et 51, le troisième cercle ayant un rayon deux fois supérieur au rayon du cercle 50.
Dans un mode de réalisation, le cercle 50 comporte six zones. Dans le cas, le rayon du cercle 50 est égal au rayon du cercle 51 multiplié par $\sqrt{5 / 2} .$
La Fig. 5b représente une portion d'image dans le voisinage d'un point d'intérêt à laquelle le voisinage circulaire est superposé.
Les Fig. 6 montrent deux exemples qui montrent que le vecteur caractéristique est représentatif des motifs présents au voisinage du point d'intérêt.
Il est à remarquer ici que le vecteur caractéristique F_r est insensible à l'orientation, à la luminosité et au contraste après normalisation en un vecteur F. La normalisation consiste à diviser un vecteur par sa longueur, c'est-à-dire diviser chaque coordonnée du vecteur par la racine carrée de la somme des carrés des coordonnées du vecteur.
L'orientation du voisinage circulaire correspond à l'orientation du vecteur F.
A l'étape suivante E22, le processeur 100 classifie les points d'intérêt, c'est-à-dire qu'il associe à chaque point d'intérêt, un identifiant de telle sorte que les points d'intérêt qui ont des vecteurs caractéristiques similaires sont associés au même identifiant et que les points d'intérêt qui ont des vecteurs caractéristiques très différents sont associés à des identifiants distincts.
Par exemple, le processeur 100 peut utiliser une méthode de coalescence (« k-means » en anglais).
Préférentiellement, le processeur 100 utilise une méthode de gaz neuronal adaptatif (« Adaptive Neural Gas » ou « ANG » en anglais) tel que décrit dans le brevet FR 2 984 541 . Pour cela, le processeur 100 constitue une liste de noeuds, chaque noeud étant constitué d'un identifiant appelé « mot visuel », d'une position dans l'espace des caractéristiques et d'un âge. Le processeur 100 sélectionne ensuite l'identifiant du noeud dont la position est la plus proche du vecteur caractéristique F recherché.
Un mot visuel est un identifiant abstrait qui représente un ensemble de vecteurs caractéristiques proches les uns des autres. Chaque vecteur caractéristique est représenté par un unique mot visuel et par conséquent chaque point d'intérêt est une instance d'un unique mot visuel. Chaque mot visuel peut être présent plusieurs fois dans l'image s'il représente les vecteurs caractéristiques de plusieurs points d'intérêt distincts. Un mot visuel est généralement représenté par un nombre entier.
Un noeud est une structure utilisée par la méthode de gaz neuronal adaptatif pour associer des informations supplémentaires à un mot visuel. Quand on utilise la méthode de gaz neuronal adaptatif, il y a exactement un noeud par mot visuel. Il peut ne pas y avoir de noeuds si on utilise une autre méthode de classification. Un noeud est constitué d'un mot visuel (nombre entier), d'une position (vecteur caractéristique) et d'un âge (entier positif).
Le processeur 100 détermine un mot visuel pour chaque point d'intérêt extrait, le mot visuel est déterminé à partir du vecteur caractéristique de telle sorte que des vecteurs caractéristique proches sont associés au même mot visuel,
La classification s'effectue à partir des paramètres suivants :

ε₀, ε₁ qui décrivent le taux d'adaptation, 0< ε₁< ε₀<1, par exemple ε₀=0,01 et ε₁=0,0001,
D qui représente la distance minimale au-delà de laquelle un nouveau noeud est ajouté, D>0, par exemple D=0,2,
A qui représente l'âge maximal au-delà duquel un noeud est supprimé, A>0, par exemple A=10000.

Un apprentissage effectué préalablement ou à la volée, est effectué. Une liste de noeud vide est initialisée et à chaque échantillon d'apprentissage x^(t) , le processeur 100 effectue les opérations suivantes :

Le processeur 100 trie la liste des noeuds par ordre croissant de distance avec le nouvel échantillon,
Si la liste est vide ou si la distance du nouvel échantillon avec le premier noeud de la liste est supérieure à D, le processeur 100 insère un nouveau noeud au début de la liste triée,
Le processeur 100 initialise la position du nouveau noeud à $l_{0}^{(t)} = x^{(t)},$
Le processeur 100 initialise l'âge du nouveau noeud à $a_{0}^{(t)} = 0,$
Le processeur 100 associe un identifiant unique, égal par exemple au nombre total de noeuds créés jusqu'alors, y compris les noeuds qui ont été supprimés, cet identifiant est le mot visuel associé au noeud,
Si la liste n'est pas vide, le processeur 100 réinitialise l'âge du premier noeud de la liste à 0,
Le processeur 100 met à jour les positions de tous les noeuds en utilisant la formule suivante : $λ^{(t)} = {\begin{matrix} 1 si N^{(t)} = 1 \\ \frac{N^{(t)} - 1}{\ln ε_{0} - \ln ε_{1}} sinon \end{matrix}$
où N^(t) est le nombre de noeuds dans la liste,
Pour chaque i E [0, N ^(t)[, le processeur 100 remplace la position du noeud i par $l_{i}^{(t + 1)} = l_{i}^{(t)} + ε_{0} e^{- i λ (t)} (x^{(t)} l_{i}^{(t)}),$
Le processeur 100 incrémente l'âge de tous les noeuds de la liste,
Le processeur 100 supprime les noeuds dont l'âge est supérieur à A.

Le processeur 100 classifie chaque vecteur caractéristique F. Le processeur 100 cherche le noeud dont la position est la plus proche de F. Si la distance entre F et la position du noeud le plus proche est supérieure à D, F correspond à un mot visuel inconnu. Il est à remarquer ici que ce cas ne peut pas se produire si l'apprentissage est effectué à la volée. En effet si F est trop éloigné des positions des noeuds qui existaient avant l'apprentissage, alors le processeur 100 crée un nouveau mot visuel et ajoute un nouveau noeud dont la position est égale à F. Si la distance entre F et la position du noeud le plus proche est inférieure à D, F est une représentation du mot visuel du noeud le plus proche.
A l'étape suivante E24, le processeur 100 détermine un ou plusieurs polynômes de hachage pour chaque point d'intérêt, chaque polynôme de hachage comporte au moins un mot visuel qui sert de point d'ancrage du polynôme de hachage et un contexte constitué d'au moins un second mot visuel représentatif d'une position dans une liste triée de mots visuels.
Préférentiellement, le processeur 100 détermine, pour chaque point d'intérêt, un bigramme clairsemé orthogonal.
Un bigramme clairsemé orthogonal est constitué de trois éléments. Un premier mot qui sert de point d'ancrage au bigramme, un second mot qui précise le contexte du bigramme et un écartement qui précise le nombre de mots intermédiaires présents entre le point d'ancrage et le contexte.
En variante, un bigramme clairsemé orthogonal est constitué de deux éléments. Un premier mot qui sert de point d'ancrage au bigramme et un second mot qui précise le contexte du bigramme.
Le processeur 100 détermine pour chaque mot visuel présent dans le document et obtenu à l'étape précédente, un nombre NB de bigrammes clairsemés orthogonaux. Par exemple, NB est égal à 6.
En variante, le processeur 100 détermine pour chaque mot visuel présent dans le document et obtenu à l'étape précédente, les bigrammes clairsemés orthogonaux qui ont un écartement inférieur à un seuil prédéterminé Δ, par exemple égal à 5% de la largeur de l'image traitée.
Pour chaque mot visuel w_a , le processeur 100 :

trie la liste des autres mots visuels précédemment déterminée par ordre de distance spatiale croissante par rapport à la position du mot visuel w_a dans l'image,
prend les NB premiers mots visuels de la liste triée et pour chaque mot visuel sélectionné w_c , le processeur construit un bigramme clairsemé orthogonal avec w_a comme point d'ancrage, w_c comme contexte et l'ordre de w_c dans la liste triée comme écartement entre w_a et w_c .

La Fig. 7 est un exemple d'image comprenant trois mots visuels.
L'image de la Fig. 7 comporte trois mots visuels notés w₀ , w₁ , et w₂ . Le processeur construit six bigrammes clairsemés orthogonaux (w₀ , w₁ , 0), (w₀ , w₂ , 1), (w₁ , w₂ , 0), (w₁ , w₀ , 1), (w₂ , w₁ , 0) et (w₂ , w₁ , 1).
A l'étape suivante E25, le processeur 100 classifie le document à partir d'un score déterminé à partir des polynômes de hachage.
Par exemple, et de manière non limitative, le processeur 100 utilise la méthode de classification, dite méthode Winnow, telle que décrite dans la publication de C. Siefkes, F Assis, S Chhabra et W.S Yerazunis intitulée « Combining winnow and orthogonal sparse bigrams for incremental spam filtering ».
La méthode Winnow est une méthode statistique non probabiliste qui consiste à déterminer une liste de poids w_cp (w₀ , w₁ , s) pour chaque classe cp et chaque bigramme clairsemé orthogonal (w₀ , w₁ , s) et à calculer un score Ω_cp (D_c ) pour le document D_c et pour la classe cp basé sur la moyenne des poids des bigrammes clairsemés orthogonaux présents dans le document D_c .
On note que la méthode Winnow, appliquée ici à des bigrammes clairsemés orthogonaux, est applicable à tout type de polynôme de hachage. En effet, le calcul d'un score par la méthode Winnow n'utilise aucune spécificité des bigrammes clairsemés orthogonaux par rapport aux polynômes de hachage, mais prend uniquement en compte leur présence ou leur absence dans le document.
Le processeur 100 considère alors que le document appartient à la classe cp si son score est supérieur à un seuil θ prédéterminé, par exemple égal à un.
La classification nécessite un apprentissage, effectué préalablement ou à la volée, qui consiste à apprendre les poids des bigrammes clairsemés orthogonaux pour chaque classe. Les poids sont initialisés à la valeur 1, puis mis à jour à chaque fois que la classification, détectée par un humain, se trompe. Si un document D_c appartient à une classe cp et que son score est inférieur au seuil prédéterminé θ, les poids des bigrammes clairsemés orthogonaux du document D_c sont multipliés par un facteur de promotion α supérieur à l'unité. Si un document D_c n'appartient pas à une classe cp et que son score est supérieur au seuil prédéterminé θ, les poids des bigrammes clairsemés orthogonaux du document D_c sont multipliés par un facteur de rétrogradation β inférieur à l'unité.
Dans un mode particulier de réalisation, au lieu d'utiliser un seuil prédéterminé θ, le processeur 100 utilise deux seuils prédéterminés θ^- et θ⁺, et considère que les scores compris entre ces deux seuils étaient une erreur quelle que soit la classe attendue.
Par exemple, α est égal à 1,23, β est égal à 0,83, θ^- est égal à 0,95 et θ⁺ est égal à 1,05.
Bien entendu, la présente invention n'est nullement limitée aux modes de réalisation décrits ici, mais englobe, bien au contraire, toute variante à la portée de l'homme du métier et particulièrement la combinaison de différents modes de réalisation de la présente invention.
La présente invention est décrite dans un exemple où le document à classifier est un document en niveaux de gris. La présente invention trouve aussi application dans un exemple où le document à classifier est un document en couleur.
Dans ce cas, le procédé est appliqué indépendamment sur chaque composante de l'image couleur et en regroupant les mots visuels de toutes les composantes pour générer des bigrammes clairsemés orthogonaux et classifier le document.
La présente invention est décrite dans un exemple dans lequel les bigrammes clairsemés orthogonaux sont utilisés. Il est aisé de transposer la présente invention dans le cadre des polynômes de hachage binaires clairsemés.
Le processeur 100 utilise la liste triée des mots visuels voisins pour construire des polynômes de hachage binaires clairsemés.
Un polynôme de hachage binaire clairsemé est constitué de deux éléments. Un mot qui sert de point d'ancrage et une séquence de positions dans la liste triée qui précise le contexte, chaque position dans la liste triée pouvant soit être vide ou contenir un mot visuel.
Dans le cas d'un document sous forme de pixels, pour chaque mot visuel, le processeur 100 construit 2^NB polynômes de hachage binaires clairsemés de longueur NB qui ont le mot visuel comme point d'ancrage. Pour chaque mot visuel w_a , le processeur 100 :

Trie la liste des autres mots visuels présents dans l'image par ordre de distance spatiale croissante par rapport à la position du mot visuel w_a dans l'image,
Construit 2^NB polynômes de hachage binaires clairsemés en considérant toutes les combinaisons possibles.

Ainsi, selon l'exemple de la Fig. 7, le processeur 100 détermine douze polynômes de hachage binaires clairsemés : (w ₀, _, _), (w ₀, w₁ , _), (w ₀, _, w₂ ), (w₀, w₁ , w₂ ), (w₁ , _, _), (w₁ , w₂ , _), (w₁ , _, w₀ ), (w₁ , w₂ , w₀ ), (w₂ , _, _), (w₂ , w₁, _), (w₂ , _, w₀ ) et (w₂ , w₁ , w₀ ).

Claims

Procédé de classification d'un document à partir de son aspect visuel, le document étant sous la forme d'une image constituée de pixels, le procédé comporte les étapes de :
- extraction (E20) de points d'intérêt dans l'image,

- description (E21) de chaque point d'intérêt extrait à l'aide d'un vecteur représentatif de la forme de l'image dans un voisinage du point d'intérêt,

- détermination (E22) d'un mot visuel pour chaque point d'intérêt extrait, le mot visuel étant déterminé à partir du vecteur caractéristique de telle sorte que des vecteurs caractéristiques proches sont associés au même mot visuel,

- détermination (E24) d'un ou plusieurs polynômes de hachage pour chaque point d'intérêt, chaque polynôme de hachage comportant au moins un mot visuel qui sert de point d'ancrage du polynôme de hachage et un contexte constitué d'au moins un second mot visuel représentatif d'une position dans une liste triée de mots visuels,

- classification (E25) du document à partir d'un score déterminé à partir des polynômes de hachage, le score étant une moyenne de poids des polynômes de hachage présent dans le document ;
caractérisé en ce que :

- chaque vecteur représentatif de la forme de l'image est déterminé à partir d'un voisinage circulaire autour de chaque point d'intérêt, le voisinage circulaire comportant au moins un cercle, ledit cercle étant divisé en une pluralité de zones, chaque zone de chaque cercle ayant une surface identique, les coordonnées de chaque vecteur représentatif de la forme de l'image étant obtenues à partir d'un vecteur gradient du point d'intérêt et de la moyenne des vecteurs gradients dans chaque zone du voisinage circulaire du point d'intérêt.
Procédé selon la revendication 1, caractérisé en ce qu'un polynôme de hachage est un bigramme.
Procédé selon la revendication 1 ou 2, caractérisé en ce que le contexte comporte en outre un écartement qui précise le nombre de mots intermédiaires présents entre le point d'ancrage et le second mot visuel.
Procédé selon la revendication 1, 2 ou 3, caractérisé en ce que le voisinage circulaire comporte deux cercles, le cercle ayant le plus petit rayon comportant quatre zones et l'espacement entre les cercles comportant huit zones, les douze zones ayant une surface identique.
Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que l'extraction des points d'intérêt est effectuée en calculant pour chaque pixel des dérivées secondes partielles, en calculant le déterminant de la matrice hessienne et en ce que les points d'intérêt correspondent aux maxima locaux des déterminants de la matrice hessienne.
Procédé selon la revendication 5, caractérisé en ce que les dérivées sont calculées à partir d'images intégrales.
Dispositif de classification d'un document à partir de son aspect visuel, le document étant sous la forme d'une image constituée de pixels, le dispositif comporte :
- des moyens d'extraction de points d'intérêt dans l'image,

- des moyens de description de chaque point d'intérêt extrait à l'aide d'un vecteur représentatif de la forme de l'image dans un voisinage du point d'intérêt,

- des moyens de détermination d'un mot visuel pour chaque point d'intérêt extrait, le mot visuel étant déterminé à partir du vecteur caractéristique de telle sorte que des vecteurs caractéristiques proches sont associés au même mot visuel,

- des moyens de détermination d'un ou plusieurs polynômes de hachage pour chaque point d'intérêt, chaque polynôme de hachage comportant au moins un mot visuel qui sert de point d'ancrage du polynôme de hachage et un contexte constitué d'au moins un second mot visuel représentatif d'une position dans une liste triée de mots visuels,

- des moyens de classification du document à partir d'un score déterminé à partir des polynômes de hachage, le score étant basé sur une moyenne de poids des polynômes de hachage présents dans le document ;
caractérisé en ce que le dispositif comprend :
des moyens de détermination de vecteurs représentatifs de la forme de l'image à partir d'un voisinage circulaire autour de chaque point d'intérêt, le voisinage circulaire comportant au moins un cercle, ledit cercle étant divisé en une pluralité de zones, chaque zone de chaque cercle ayant une surface identique, les coordonnées de chaque vecteur représentatif de la forme de l'image étant obtenues à partir d'un vecteur gradient du point d'intérêt et de la moyenne des vecteurs gradients dans chaque zone du voisinage circulaire du point d'intérêt.